澳专家连续100天实测特斯拉自驾，暴露这些致命漏洞

今年3月，芯片巨头英伟达（NVIDIA）首席执行官黄仁勋（Jensen Huang）宣布，自动驾驶汽车的“ChatGPT时刻”已经到来。

在澳洲，特斯拉的全自动驾驶（FSD）系统已可在公共道路上使用，Waymo也正在探索无人驾驶出租车业务。

特斯拉

问题已不再是自动驾驶会不会来，而是澳洲是否已准备好安全、高效、可持续地运行它。这背后其实是一个基础设施问题：那些为人类驾驶员设计的道路、桥梁和十字路口，机器真的能读懂吗？

过去100多天里，我和同事们每天驾驶一辆搭载FSD系统的特斯拉Model Y，行驶在昆州的道路上。我们记录下500多个安全关键事件——系统需要驾驶员干预，或暴露出其解读路况方式上的重大局限。

为了让这些观察不止停留在研究层面，我们发起了White Box Autonomy项目，作为一个公开档案库，专门记录自动驾驶车辆在真实世界中遇到的各种问题。

测试中有两点尤为突出。第一，这项技术远比很多人想象的强大：在许多场景下，车辆能以人类驾驶员难以企及的精准度平稳完成驾驶任务。

第二，它也远比许多人以为的脆弱。一些人类驾驶员几乎下意识就能处理的情况，它却会陷入挣扎，犯下的错误令人意外，有时甚至相当危险——因为这些不是经验丰富的司机会犯的错。

系统在哪里频频“掉链子”

我家附近有一座小桥，我以前几乎从未在意过，像大多数司机一样，开过去也不会多想。

但几乎每次FSD接近这座桥时，车辆都会显得困惑，方向盘开始左右摇晃。

这指向一个更普遍的问题：对人类来说轻而易举就能读懂的道路标线和布局，依然会让自动驾驶系统摸不着头脑。

限速多变的路段——比如学校区域——也暴露出类似问题，我们不得不在超过90%的情况下进行人工干预。有一次，FSD倒是“严格”遵守了学校区域限速，可当时早已是傍晚，早过了放学时间。

铁路道口和栏杆是另一大隐患。有一次，前方车辆在铁路道口附近停下，如果FSD继续前进，车辆很可能会停在铁轨上，我不得不猛踩刹车。

澳洲特有的拉链式并道规则，原理虽简单，却依赖微妙的人际判断和非正式协商，这对FSD来说也颇为棘手。有一次，FSD和另一辆车在并道点谁都没有减速，我只能迅速接管。

其他反复出现的问题还包括：FSD常在复杂环岛前手忙脚乱（澳洲的环岛可不少），会误读标线模糊或两侧停满车辆的陡窄街道，也会把电动滑板车骑行者错认成行人——尽管两者的行为模式截然不同。此外，在遮挡车道线或路况多变的恶劣天气中，系统的判断精准度也会明显下降。

在100多天的日常测试中，我们从未完成过一次FSD无需任何干预、从起点独立行驶到终点的完整行程。

这其中有技术层面的原因，但也有一部分问题，其实可以通过改造道路本身来解决。

更智能的车辆，需要更智能的道路

自动驾驶最初的设想，与如今大不相同。20世纪90年代，像加州PATH这样的项目设想的是由智能道路和受控高速公路环境来支撑车辆运行。

如今，逻辑反了过来：重点变成了让车辆自身足够智能，能在既有道路上独立行驶，无需外部辅助。

但仅靠更智能的车辆还不够。真正的突破口，在于让车辆与基础设施双向奔赴——一边提升车辆智能，一边让道路本身对自动驾驶更加友好。

这不意味着要推倒重建，也不需要给街道布满昂贵的高科技设备。许多解决方案其实很基础：更清晰的车道标线、更统一的标志、维护更好的路面、不那么模糊的交叉口设计，以及更可靠的限速信息。

举例来说，相关机构不必只在车道起点和终点各画一个限速或自行车标志，而是可以更频繁地重复这些提示，让自动驾驶系统有更多机会识别、纠正误读并及时调整。

自动驾驶汽车也能反哺基础设施

自动驾驶汽车不该只被视为道路网络的使用者，它们同样可以充当移动传感器。行驶过程中，它们能标记出坑洼、褪色标线、损坏标志和拥堵路段，帮助相关机构更快发现问题、优先安排养护。

自动驾驶汽车产生的实时数据，还能助力缓解拥堵、检测事故、优化交通管理。它们完全可以成为监测和改善路网系统的一部分，而不仅仅是路网的使用者。

先把常见问题解决好

研究人员往往更关注“边缘案例”——那些罕见、难以预测、自动化系统难以应对的极端情况。这些情况固然重要，远程协助或许也能帮助车辆应对。

但我们的测试表明，眼下有一个更紧迫的问题：绝大多数事件并非罕见的边缘案例，而是日常路况中反复出现的问题。如果澳洲想为自动驾驶时代做好准备，政府与汽车行业理应携手合作，让基础设施对自动驾驶汽车更加友好，从根源上解决这些高频问题。

许多改进其实可以融入日常公共工程和道路维护中完成。而布里斯班即将于2032年主办的奥运会和残奥会等新基建与重大活动，也为实现这些简单却持久的改进提供了绝佳契机。